مکانی - GISنوآوری

LandViewer - تشخیص تغییر اکنون در مرورگر کار می کند

مهمترین استفاده از داده های سنجش از دور، مقایسه تصاویری از یک منطقه خاص است که در زمان های مختلف برای شناسایی تغییراتی که در اینجا اتفاق افتاده است، گرفته شده است. با تعداد زیادی از تصاویر ماهواره ای که در حال حاضر در استفاده باز هستند، در طی مدت زمان طولانی، تشخیص دستی تغییرات طولانی مدت طول می کشد و به احتمال زیاد می تواند نامشخص باشد. EOS Data Analytics ابزار خودکار را ایجاد کرده است تشخیص تغییرات در محصول پرچمدار خود، LandViewer، که یکی از ابزارهای ابری قادر به جستجو و تجزیه و تحلیل تصاویر ماهواره ای در بازار فعلی است.

برخلاف روش هایی که شبکه های عصبی را شامل می شوند تغییرات را شناسایی کنید در ویژگی های قبلا استخراج شده، الگوریتم تشخیص تغییر توسط اجرا شده است EOS ایالات متحده آمریکا یک استراتژی مبتنی بر پیکسل است که به این معنی است که تغییرات بین دو تصویر چندبعدی شطرنجی به صورت ریاضی محاسبه می شود، با محاسبه مقادیر پیکسل یک تاریخ با مقادیر پیکسل از همان مختصات برای یک تاریخ دیگر. این از ویژگی های امضای جدید، طراحی شده است به طور خودکار به تشخیص تغییر کار و ارائه نتایج دقیق با مراحل کمتر و در کسری از زمان در مقایسه با نرم افزار ArcGIS، QGIS یا دیگر پردازش تصویر نرم افزار GIS.

رابط تشخیص تغییر. تصاویر ساحل شهر بیروت برای شناسایی تحولات سال های اخیر انتخاب شده اند.

تشخیص تغییرات در شهر بیروت

دامنه نامحدود برنامه های کاربردی: از کشاورزی تا نظارت بر محیط زیست.

یکی از اهداف اصلی تعیین شده توسط تیم EOS ایجاد یک فرآیند پیچیده تشخیص تغییرات برای داده های سنجش از دور برای کاربران بی تجربه از صنایع غیر GIS قابل دسترسی و آسان بود. با استفاده از ابزار تشخیص تغییر LandViewer ، کشاورزان می توانند به سرعت مناطقی را که در اثر تگرگ ، طوفان یا سیلاب به مزارع خود آسیب دیده اند ، شناسایی کنند. در مدیریت جنگل ، تشخیص تغییرات در تصویر ماهواره ای ، برای تخمین مناطق سوخته پس از آتش سوزی جنگل و تشخیص قطع غیرقانونی یا حمله به اراضی جنگلی مفید خواهد بود. مشاهده میزان و میزان تغییرات آب و هوایی (مانند ذوب شدن یخ قطبی ، آلودگی هوا و آب ، از بین رفتن زیستگاه طبیعی به دلیل پراکندگی شهری) وظیفه ای است که دانشمندان محیط زیست به طور مداوم انجام می دهند و اکنون می توانند. در عرض چند دقیقه با مطالعه تفاوت بین گذشته و حال با استفاده از سالها داده ماهواره ای با ابزار تشخیص تغییر LandViewer ، همه این صنایع همچنین می توانند تغییرات آینده را پیش بینی کنند.

موارد استفاده اصلی از تشخیص تغییرات: آسیب سیل و جنگل زدایی

یک تصویر ارزش هزار کلمه دارد و قابلیت تشخیص تغییر با تصاویر ماهواره ای در LandViewer آنها می توانند با نمونه های زندگی واقعی بهترین باشند.

جنگلهایی که هنوز حدود یک سوم مناطق جهان را پوشش می دهند، به میزان قابل توجهی ناپدید می شوند، عمدتا به دلیل فعالیت های انسانی مانند کشاورزی، معدن، گاو، گاوداری، جنگلداری و نیز عوامل طبیعی مانند آتش سوزی جنگل. به جای انجام مطالعات گسترده بر روی زمین از هزاران جریب جنگل، یک تکنسین جنگل طور منظم می تواند نظارت بر ایمنی از جنگل با یک جفت از تصاویر ماهواره ای و تشخیص تغییر خودکار بر اساس شاخص NDVI (شاخص پوشش گیاهی نرمال) .

چگونه کار می کند؟ NDVI وسیله شناخته شده ای برای تعیین سلامت پوشش گیاهی است. LandViewer با مقایسه تصویر ماهواره ای از جنگل دست نخورده و تصویری که پس از قطع درختان بدست آمده است ، تغییرات را شناسایی کرده و با ایجاد برجسته سازی نقاط جنگل زدایی ، یک تصویر متفاوت ایجاد می کند ، کاربران می توانند نتایج را در .jpg بارگیری کنند ، قالب .png یا .tiff. پوشش جنگلی که زنده مانده است دارای مقادیر مثبتی خواهد بود ، در حالی که مناطق پاک شده منفی خواهد بود و با رنگ قرمز نشان داده می شود که هیچ پوشش گیاهی وجود ندارد.

تصویر متفاوت نشان دهنده میزان جنگل زدایی در ماداگاسکار بین 2016 و 2018؛ تولید شده از دو تصویر ماهواره ای Sentinel-2

یکی دیگر از موارد استفاده گسترده برای تشخیص تغییر ، ارزیابی خسارت سیل در کشاورزی است که مورد توجه کشاورزان و شرکت های بیمه است. هر زمان که سیل خسارت زیادی به محصول شما وارد کرده باشد ، می توان با کمک الگوریتم های تشخیص تغییر مبتنی بر NDVI خسارت را به سرعت نقشه برداری و اندازه گیری کرد.

یافته های تشخیص تغییر صحنه Sentinel-2: مناطق قرمز و پرتقال بخش غرقابی میدان را نشان می دهند؛ حوزه های اطراف آن سبز هستند، به این معنی که از آسیب اجتناب می کنند. سیل کالیفرنیا، فوریه 2017.

نحوه اجرای تشخیص تغییر در LandViewer

دو راه برای راه‌اندازی ابزار و شروع یافتن تفاوت‌ها در تصاویر ماهواره‌ای چند زمانی وجود دارد: با کلیک کردن روی نماد منوی سمت راست «ابزار تجزیه و تحلیل» یا نوار لغزنده مقایسه، هر کدام راحت‌تر است. در حال حاضر، تشخیص تغییر تنها بر روی داده های ماهواره ای نوری (غیرفعال) انجام می شود. افزودن الگوریتم های داده های سنجش از راه دور فعال برای به روز رسانی های آینده برنامه ریزی شده است.

برای جزئیات بیشتر، این راهنما را از ابزار تشخیص تغییر از LandViewer. یا شروع به کشف آخرین توانایی های LandViewer خودت

گلگی آلوارز

نویسنده، محقق، متخصص در مدل های مدیریت زمین. وی در مفهوم سازی و اجرای مدل هایی مانند: سیستم ملی مدیریت املاک SINAP در هندوراس، مدل مدیریت شهرداری های مشترک در هندوراس، مدل یکپارچه مدیریت کاداستر - ثبت در نیکاراگوئه، سیستم مدیریت منطقه SAT در کلمبیا مشارکت داشته است. . سردبیر وبلاگ دانش Geofumadas از سال 2007 و خالق آکادمی AulaGEO که شامل بیش از 100 دوره در زمینه GIS - CAD - BIM - Digital Twins است.

مقالات مرتبط

دیدگاهتان را بنویسید:

نشانی ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند با *

بازگشت به دکمه بالا